Ich will in meiner Eigenschaft als Rentner einmal der Frage nachgehen, was ein Data Warehouse ist, wofür es benötigt wird, ohne dabei auf eine spezifische Lösung einzugehen. IT kostet und wird nicht aus langerweile betrieben oder weil man Stolz auf seine Büchsen ist. Ziel ist eine möglichst automatisierte Erfassung von Betriebsdaten für Weiterberechnung, Rechnungslegung, Berichtswesen, Controlling und anderen.

Definition Data Warehouse

Ich bleibe bei der Frage zunächst bei der Wikipedia und sehe mir einmal an, was mir dort geboten wird:

Ein Data Warehouse ist eine physische Datenbank, die eine integrierte Sicht auf (beliebige) Daten darstellt, um Analysen zu ermöglichen

Andreas Bauer, Holger Günzel: Data-Warehouse-Systeme: Architektur, Entwicklung, Anwendung. dpunkt, 2013, ISBN 3-89864-785-4

A data warehouse is a copy of transaction data specifically structured for querying and reporting

Ralph Kimball, Mary Ross: The Data Warehouse Toolkit. The Complete Guide to Dimensional Modeling. Wiley, ISBN 0-471-20024-7

Ein Data Warehouse ist ein physischer Datenbestand, der eine integrierte Sicht auf die zugrundeliegenden Datenquellen ermöglicht

Thomas Zeh: Data Warehousing als Organisationskonzept des Datenmanagements. Eine kritische Betrachtung der Data-Warehouse-Definition von Inmon. In: Informatik – Forschung und Entwicklung. 18, Nr. 1, 2003 

Realisierung

Einem Data Warehouse ist es egal in welchen Entwicklungsframework es aufgebaut worden ist.

Datenorganisation.

	OLTP	OLAP
Einsatz	Prozesssteuerung und -erfassung	Reporting Prozessdokumentation
Ziel	Abwicklung von Transaktionen	Analyse von Daten
Module	ERP, Rechnungswesen	Data Warehouse Operational Data Store Data Lake
Datenorganisation	Normalisiert	Redundant
Betriebssicherheit	Sehr hoch	Niedrig

OLTP versus OLAP

Online Transaction Prozessor (OLTP)

Online Analytical Processing (OLTP)

Abgrenzung Operational DataStore (ODS)

Ich will einmal aus meiner Sicht als ausgemusterter Rentner eine Abgenzung zum Operational DataStore, kurz ODS, versuchen. Technisch gesehen sind beide eigentlich identisch. Vieleicht kann man ein ODS auch als Spezialfall eines Data Warehouses bezeichnen, die Abgrenzung ist irgendwo nicht sehr scharf. Der Unterschied ergibt sich aus dem Grund der Datenvorhaltung, bei einem ODS stehen technische Prozesse im Vordergrund. Um einmal in Keller meiner Erfahrung zu suchen:

• Das EDM innerhalb von SAP Utilities hat einen technischen Hintergrund (Rechnungserstellung, Netzabrechnungen, Strombeschaffung, Meldungen).
• Bei meinen Bewerbungsversuchen bin ich darauf gestoßen dass DHL wahrscheinlich für das Tracking seiner Lieferungen ebenfalls ein ODS-System verwendet. Ohne viel Phantasie zu verbrachen lässt sich das auch auf den Bezos Laufburschenschaft übertragen.

Inhalt dieser ODS sind entsprechend transaktionale Detaildaten, wo hingegend bei Data Warehouses eine analytische Sicht den Kern des Interesses bilden dürfte. Bedeutet: Es sind nicht alle Details zur Analyse erforderlich.

ODS und DW sind technisch vergleichbar, sammeln Daten aus verschiedenen Quellen. Der Aufbau eines ODS ist aber häufig einfacher, da nur spezifischee Transaktionsdaten gesammelt werden. Z. B. EDM, Trackingdaten.

Abgrenzung Data Lake

	Data Warehouse	Data Lake
Art der Daten	Strukturierte Daten	Strukturierte und unstrukutierte Daten
Speicherformat	Tabellen	Diverse
Datenmodell	Bei der Modellierung (Schema on Write)	Beim Auslesen (Schema on Read)
Flexibilität	Geringe bei neuen Datenquellen	Sehr hohe Flexibilität bei neuen Datenquellen, da das Schema erst beim Lesen definiert werden muss
Wartung	robust, einfache Pflege	Hoher Pflegeaufwand
Zielrichtung	Geschäftsanalyse, KPI	Data Mining, Machine Learning